Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Duník, Jindřich | |
| dc.contributor.author | Straka, Ondřej | |
| dc.contributor.author | Matoušek, Jakub | |
| dc.date.accessioned | 2021-02-15T11:00:17Z | - |
| dc.date.available | 2021-02-15T11:00:17Z | - |
| dc.date.issued | 2020 | |
| dc.identifier.citation | DUNÍK, J., STRAKA, O., MATOUŠEK, J. Reliable Convolution in Point-Mass Filter for a Class of Nonlinear Models. In: Proceedings of the 2020 IEEE 23rd International Conference on Information Fusion (FUSION). Sun City: IEEE, 2020. s. 1-7. ISBN 978-0-578-64709-8. | cs |
| dc.identifier.isbn | 978-0-578-64709-8 | |
| dc.identifier.uri | 2-s2.0-85092725003 | |
| dc.identifier.uri | http://hdl.handle.net/11025/42681 | |
| dc.description.abstract | Článek je věnován odhadu stavu nelineárních stochastických dynamických systémů. Důraz je v článku kladen na numerické řešení Bayesovských rekurzivních vztahů, pro systémy s lineární dynamikou a nelineárním měřením, pomocí filtru bodových mas. Konkrétně je prezentována nová spolehlivá metod pro výpočet konvoluce. Tato technika kombinuje konvoluci použitou ve standardních bodových masách s váženou integrací pro dosažení přesných výsledků i pro systémy s malým stavovým šumem. Několik možných implementací je teoreticky zanalyzováno a zhodnoceno v numerické studii. | cs |
| dc.format | 7 s. | cs |
| dc.format.mimetype | application/pdf | |
| dc.language.iso | en | en |
| dc.publisher | IEEE | en |
| dc.relation.ispartofseries | Proceedings of the 2020 IEEE 23rd International Conference on Information Fusion (FUSION) | en |
| dc.rights | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. | cs |
| dc.rights | © IEEE | en |
| dc.title | Reliable Convolution in Point-Mass Filter for a Class of Nonlinear Models | en |
| dc.type | konferenční příspěvek | cs |
| dc.type | conferenceObject | en |
| dc.rights.access | restrictedAccess | en |
| dc.type.version | publishedVersion | en |
| dc.description.abstract-translated | This paper is devoted to the Bayesian state estimation of the nonlinear stochastic dynamic systems. The stress is laid on the numerical solution to the Bayesian recursive relations by the point-mass filter for a class of state-space models with linear dynamics and nonlinear measurement. In particular, a novel reliable technique for convolution computation is proposed. The technique combines the standard point-mass-based convolution with a density-weighted integration to provide accurate results even for systems with small state noise. Several implementations of the technique are developed, theoretically analysed, and evaluated in a numerical study. | en |
| dc.subject.translated | nonlinear filtering, non-gaussian filtering, bayesian relations | en |
| dc.identifier.doi | 10.23919/FUSION45008.2020.9190218 | |
| dc.type.status | Peer-reviewed | en |
| dc.identifier.obd | 43930473 | |
| dc.project.ID | GA20-06054J/Inteligentní distribuované architektury pro odhad stavu | cs |
| dc.project.ID | SGS-2019-020/Rozvoj a využití kybernetických systémů identifikace, diagnostiky a řízení 4 | cs |
| Appears in Collections: | Konferenční příspěvky / Conference Papers (KKY) OBD | |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| article_FUSION20_DuStMa.pdf | 236,53 kB | Adobe PDF | View/Open Request a copy |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/42681Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.